Wahrscheinlichkeitsdichte des Rayleigh–Fadings
Inhaltsverzeichnis
Eine sehr allgemeine Beschreibung des Mobilfunkkanals
Im Folgenden wird zur Vereinfachung der Schreibweise auf den Zusatz „TP” verzichtet. Somit liegt das reelle Signal $s(t) = 1$ am Eingang des Mobilfunkkanals an und das Ausgangssignal $r(t)$ ist komplexwertig. Zusätzliche Rauschprozesse werden ausgeschlossen.
Das Funksignal $s(t)$ kann den Empfänger über eine Vielzahl von Pfaden erreichen, wobei die einzelnen Signalanteile in unterschiedlicher Weise gedämpft und verschieden lang verzögert werden. Allgemein kann man für das Tiefpass–Empfangssignal ohne Berücksichtigung von thermischem Rauschen schreiben:
- \[r(t)= \sum_{k=1}^{K} \alpha_{k}(t) \cdot {\rm e}^{\hspace{0.05cm}{\rm j}\hspace{0.02cm}\cdot \hspace{0.02cm} \phi_{k}(t)} \cdot s(t - \tau_{k}) \hspace{0.05cm}.\]
Hierbei sind folgende Bezeichnungen verwendet:
- Der zeitabhängige Dämpfungsfaktor auf dem $k$–ten Pfad ist $\alpha_k(t)$.
- Der zeitabhängige Phasenverlauf auf dem $k$–ten Pfad ist $\phi_k(t)$.
- Die zeitabhängige Laufzeit auf dem $k$–ten Pfad ist $\tau_k(t)$.
Die Anzahl $K$ der sich (zumindest geringfügig) unterscheidenden Pfade ist meist sehr groß und für eine direkte Modellierung ungeeignet.
- Das Modell lässt sich aber entscheidend vereinfachen, wenn man jeweils Pfade mit näherungsweise gleichen Verzögerungen zusammenfasst.
- Man unterscheidet somit nur noch $M$ Hauptpfade, die durch großräumige Wegeunterschiede und damit merkliche Laufzeitunterschiede gekennzeichnet sind:
- \[r(t)= \sum_{m=1}^{M} \hspace{0.1cm} \sum_{n=1}^{N_m} \alpha_{m,\hspace{0.04cm}n}(t) \cdot {\rm e}^{\hspace{0.05cm}{\rm j}\hspace{0.02cm}\cdot \hspace{0.02cm} \phi_{m,\hspace{0.04cm}n}(t)} \cdot s(t - \tau_{m,\hspace{0.04cm}n}) \hspace{0.05cm}.\]
Die beiden bisher angegebenen Gleichungen sind identisch. Eine Vereinfachung ergibt sich erst dann, wenn man für jeden Hauptpfad $m \in \{1, \hspace{0.04cm}\text{...}\hspace{0.04cm}, M\}$ die $N_m$ Laufzeiten, die sich durch Reflexionen an Feinstrukturen sowie eventuell durch Beugungs– und Brechungserscheinungen geringfügig unterscheiden, durch eine mittlere Laufzeit ersetzt:
- \[\tau_{m} = \frac{1}{N_m} \cdot \sum_{n=1}^{N_m} \tau_{m,\hspace{0.04cm}n} \hspace{0.05cm}.\]
$\text{Fazit:}$ Damit erhält man folgendes Zwischenergebnis für den Mobilfunk: Das Empfangssignal im äquivalenten Tiefpassbereich kann dargestellt werden als
- \[r(t)= \sum_{m=1}^{M} z_m(t) \cdot s(t - \tau_{m}) \hspace{0.5cm} {\rm mit} \hspace{0.5cm} z_m(t) = \sum_{n=1}^{N_m} \alpha_{m,\hspace{0.04cm}n}(t) \cdot {\rm e}^{\hspace{0.05cm}{\rm j}\hspace{0.05cm}\cdot \hspace{0.05cm} \phi_{m,\hspace{0.04cm}n}(t)} \hspace{0.05cm}.\]
Frequenzselektives Fading vs. nichtfrequenzselektives Fading
Ausgehend von der soeben hergeleiteten Gleichung
- \[r(t)= \sum_{m=1}^{M} z_m(t) \cdot s(t - \tau_{m}) \hspace{0.5cm} {\rm mit} \hspace{0.5cm} z_m(t) = \sum_{n=1}^{N_m} \alpha_{m,\hspace{0.04cm}n}(t) \cdot {\rm e}^{\hspace{0.05cm}{\rm j}\hspace{0.05cm}\cdot \hspace{0.05cm} \phi_{m,\hspace{0.04cm}n}(t)} \hspace{0.05cm}\]
können zwei wichtige Sonderfälle abgeleitet werden:
- Gibt es mehr als einen Hauptpfad $(M \ge 2)$, so spricht man von Mehrwegeausbreitung. Wie im zweiten Hauptkapitel ⇒ Frequenzselektive Übertragungskanäle noch gezeigt werden wird, kommt es dann – je nach Frequenz – zu konstruktiven oder destruktiven Überlagerungen bis hin zu völliger Auslöschung.
- Für manche Frequenzen erweist sich die Mehrwegeausbreitung als günstig, für andere als sehr ungünstig. Man bezeichnet diesen Effekt als frequenzselektives Fading.
- Bei nur einem Hauptpfad $(M = 1)$ vereinfacht sich die obige Gleichung wie folgt $($auf den Index „$m = 1$” verzichten wir in diesem Fall$)$:
- \[r(t)= z(t) \cdot s(t - \tau) \hspace{0.05cm}.\]
- Die Verzögerung $\tau$ bewirkt hier eine für alle Frequenzen konstante Laufzeit, die nicht weiter betrachtet werden muss.
$\text{Fazit:}$ Für $M=1$ gibt es keine Überlagerung von Signalanteilen mit merklichen Laufzeitunterschieden, also auch keine Frequenzabhängigkeit des Gesamtsignals:
- \[r(t)= z(t) \cdot s(t) \hspace{0.5cm} {\rm mit} \hspace{0.5cm} z(t) = \sum_{n=1}^{N} \alpha_{n}(t) \cdot {\rm e}^{\hspace{0.05cm}{\rm j}\hspace{0.02cm}\cdot \hspace{0.02cm} \phi_{n}(t)} \hspace{0.05cm}. \]
Man spricht in diesem Fall von nichtfrequenzselektivem Fading oder Flat–Fading oder Rayleigh–Fading.
Modellierung von nichtfrequenzselektivem Fading
Die Grafik zeigt das Modell zur Erzeugung von nichtfrequenzselektivem Fading ⇒ Rayleigh–Fading.
- Das Empfangssignal $r(t)$ ergibt sich, wenn man das Sendesignal $s(t)$ mit der Zeitfunktion $z(t)$ multipliziert.
- Es sei nochmals daran erinnert, dass sich alle Signale bzw. Zeitfunktionen $s(t)$, $z(t)$ und $r(t)$ auf den äquivalenten Tiefpassbereich beziehen.
Wir betrachten nun die multiplikative Verfälschung $z(t)$ gemäß diesem Rayleigh–Modell genauer. Für den komplexen Koeffizienten gilt entsprechend der letzten Seite:
- \[z(t) = \sum_{n=1}^{N} \alpha_{n}(t) \cdot {\rm e}^{\hspace{0.05cm}{\rm j}\hspace{0.04cm}\cdot \hspace{0.04cm} \phi_{n}(t) }= \sum_{n=1}^{N} \alpha_{n}(t) \cdot \cos\hspace{-0.1cm}\big [ \phi_{n}( t) \big ] + {\rm j}\cdot \sum_{n=1}^{N} \alpha_{n}(t) \cdot \sin\hspace{-0.1cm}\big [ \phi_{n}( t)\big ] \hspace{0.05cm}. \]
Zu dieser Gleichung und obiger Grafik ist anzumerken:
- Die zeitabhängige Dämpfung $\alpha_{n}(t)$ und die zeitabhängige Phase $\phi_{n}(t)$ hängen von den Umgebungsbedingungen ab.
- $\phi_{n}(t)$ erfasst die geringfügig unterschiedlichen Laufzeiten auf den $N$ Pfaden und den Dopplereffekt aufgrund der Bewegung.
- Die Zeitfunktion $z(t)$ ist eine komplexe Größe, deren Real– und Imaginärteil wir im Folgenden wieder mit $x(t)$ und $y(t)$ bezeichnen.
- Eine deterministische Beschreibung der Zufallsgröße $z(t) = x(t) + {\rm j}\cdot y(t)$ ist nicht möglich. Vielmehr müssen die Zeitfunktionen $x(t)$ und $y(t)$ durch stochastische Prozesse modelliert werden.
- Ist die Anzahl $N$ der (leicht) unterschiedlichen Laufzeiten hinreichend groß, so ergeben sich nach dem zentralen Grenzwertsatz hierfür Gaußsche Zufallsgrößen.
- Die beiden Komponenten $x(t)$ und $y(t)$ sind jeweils mittelwertfrei und besitzen die gleiche Varianz $\sigma^2$:
- \[{\rm E}[x(t)] = {\rm E}\big[y(t)\big] = 0\hspace{0.05cm}, \hspace{0.8cm}{\rm E}\big[x^2(t)\big] = {\rm E}\big[y^2(t)\big] = \sigma^2 \hspace{0.05cm}.\]
- Zu berücksichtigen ist die Orthogonität von Realteil und Imaginärteil (jeweils Cosinus und Sinus des gleichen Arguments). Damit sind die beiden Komponenten auch unkorreliert. Nur bei Gaußschen Zufallsgrößen folgt daraus weiter die statistische Unabhängigkeit von $x(t)$ und $y(t)$.
- Aufgrund des Dopplereffekts gibt es allerdings statistische Bindungen innerhalb des Realteils $x(t)$ und innerhalb des Imaginärteils $y(t)$. Diese beiden Größen werden im obigen Modell durch zwei Digitale Filter erzeugt.
Beispielhafte Signalverläufe bei Rayleigh–Fading
Die folgenden Grafiken zeigen jeweils durch Simulation gewonnene Signalverläufe von $\text{100 ms}$ Dauer und die dazugehörigen Dichtefunktionen. Es handelt sich um Bildschirmabzüge des Windows–Programms „Mobilfunkkanal” aus dem (ehemaligen) Praktikum Simulation digitaler Übertragungssysteme an der TU München:
- Windows–Programm MFK ⇒ Link verweist auf die ZIP-Version des Programms und
- Praktikumsanleitung ⇒ Link verweist auf die PDF-Version (58 Seiten).
$\text{Beispiel 1:}$ Nachfolgend sind beispielhafte Signalverläufe bei Rayleigh–Fading und die dazugehörigen Wahrscheinlichkeitsdichtefunktionen dargestellt. Diese Zeitverläufe Darstellungen können sich wie folgt interpretiert werden:
- Der Realteil ist gaußverteilt (siehe rechte obere Grafik), wie auch aus dem Zeitsignalverlauf $x(t)$ hervorgeht. Rot eingezeichnet ist die Gaußsche WDF $f_x(x)$ und blau das durch Simulation über $10\hspace{0.05cm}000$ Abtastwerte gewonnene Histogramm.
- Eingestellt war hierfür eine maximale Dopplerfrequenz von $f_{\rm D, \ max} = 100 \ \rm Hz$. Deshalb gibt es statistische Bindungen innerhalb der Funktionen $x(t)$ und $y(t)$. Genauere Angaben zum Dopplereffekt finden Sie im nächsten Kapitel.
- Die WDF $f_y(y)$ des Imaginärteils ist identisch mit $f_x(x)$. Die Varianz beträgt bei der betrachteten Konstellation jeweils $\sigma_x^2 =\sigma_y^2 = 0.5 \ (=\sigma^2)$. Zwischen $x(t)$ und $y(t)$ bestehen keine statistischen Bindungen; die Signale sind orthogonal.
- Die Phase $\phi(t)$ ist gleichverteilt zwischen $\pm\pi$. Wie aus den Sprungstellen im Phasenverlauf zu erahnen ist, kann $\phi(t)$ auch größere Werte annehmen. Bei der Histogrammerstellung wurden aber die Bereiche $(2k+1)\cdot \pi$ auf den Wertebereich vo n $-\pi$ ... $+\pi$ projiziert $(k$ ganzzahlig$)$.
- Die gleichverteilte Phase wird anhand der (nicht dargestellten) 2D–WDF verständlich. Diese ist rotationssymmetrisch und dementsprechend gibt es auch keine Vorzugsrichtung:
- \[f_{x,\hspace{0.02cm}y}(x, y) = \frac{1}{2\pi \cdot \sigma^2} \cdot {\rm e}^{ -(x^2 + y^2)/(2\sigma^2)} .\]
$\text{Beispiel 2:}$ Fortsetzung von $\text{Beispiel 1}$:
Diese Grafik zeigt oben nochmals
- den Realteil $x(t)$ und den Imaginärteil $y(t)$ von $z(t)$ und
- rechts die WDF $f_x(x)$; die WDF $f_y(y)$ hat genau die gleiche Form.
Darunter gezeichnet sind Verlauf und WDF
- des Betrags $a(t) =\vert z(t)\vert$ und
- des Betragsquadrat $p(t) =a^2(t) =\vert z(t)\vert^2$.
Aus diesen Darstellungen geht hervor:
- Der Betrag $a(t) =\vert z(t)\vert$ besitzt eine Rayleigh–WDF ⇒ daher der Name „Rayleigh–Fading”:
- \[f_a(a) = \left\{ \begin{array}{c} a/\sigma^2 \cdot {\rm e}^{-a^2/(2\sigma^2)} \\ 0 \end{array} \right.\hspace{0.15cm} \begin{array}{*{1}c} {\rm f\ddot{u}r}\hspace{0.1cm} a\hspace{-0.05cm} \ge \hspace{-0.05cm}0, \\ {\rm f\ddot{u}r}\hspace{0.1cm} a \hspace{-0.05cm}<\hspace{-0.05cm} 0. \\ \end{array} \]
- Für die Momente erster bzw. zweiter Ordnung und die Varianz der Betragsfunktion $a(t)$ gilt:
- \[{\rm E}\big [a \big] = \sigma \cdot \sqrt {{\pi}/{2}}\hspace{0.05cm},\hspace{0.5cm}{\rm E}\big[a^2 \big] = 2 \cdot \sigma^2\]
- \[ \Rightarrow \hspace{0.3cm} {\rm Var}\big[a \big] = \sigma_a^2 = \sigma^2 \cdot \left ( 2 - {\pi}/{2}\right ) \hspace{0.05cm}. \]
- Die WDF des Betragsquadrats $p(t)$ ergibt sich durch nichtlineare Transformation der WDF $f_a(a)$ ⇒ $f_p(p)$ ist exponentialverteilt:
- \[f_p(p) \hspace{-0.05cm}=\hspace{-0.05cm} \left\{ \begin{array}{c} (2\sigma^2)^{-1} \hspace{-0.05cm}\cdot \hspace{-0.05cm} {\rm e}^{-p^2\hspace{-0.05cm}/(2\sigma^2)} \\ 0 \end{array} \right.\hspace{0.05cm} \begin{array}{*{1}c} {\rm f\ddot{u}r}\hspace{0.05cm} p \hspace{-0.05cm}\ge \hspace{-0.05cm}0, \\ {\rm f\ddot{u}r}\hspace{0.15cm} p\hspace{-0.05cm} < \hspace{-0.05cm}0. \\ \end{array} \]
Weitere Informationen zum Rayleigh–Fading finden Sie in der Aufgabe 1.3 und der Aufgabe 1.3Z.
Aufgaben zum Kapitel
Aufgabe 1.3Z: Nochmals Rayleigh–Fading?
